Clase 20 - Gráficos Exploratorios (GE)
Se hacen rápidamente
Se hace un gran número
El objetivo es la comprensión personal
Los ejes/leyendas se limpian generalmente (más tarde)
El color/tamaño se utilizan principalmente como información
Los gráficos exploratorios son «rápidos y sucios».
Permiten resumir los datos (normalmente de forma gráfica) y resaltar las características generales.
Explorar preguntas e hipótesis básicas (y quizás descartarlas)
Sugieren estrategias de modelización para el «siguiente paso»
El contenido de las tres anteriores láminas se basa en la presentación “Exploratory Graphs” del Prof. Roger Peng, complementada por su libro “Exploratory Data Analysis with R” disponible en el enlace.
Tablas sumario: table , summary
Gráficos:
Boxplot - Diagrama de Caja
Histograms - Histogramas
Density Plot - Gráfico de Densidad
Barplot - Diagrama/gráfico de Barras
ScatterPlots (bidimensional) - Diagrama de Dispersión
head(gapminder)# A tibble: 6 × 6
country continent year lifeExp pop gdpPercap
<fct> <fct> <int> <dbl> <int> <dbl>
1 Afghanistan Asia 1952 28.8 8425333 779.
2 Afghanistan Asia 1957 30.3 9240934 821.
3 Afghanistan Asia 1962 32.0 10267083 853.
4 Afghanistan Asia 1967 34.0 11537966 836.
5 Afghanistan Asia 1972 36.1 13079460 740.
6 Afghanistan Asia 1977 38.4 14880372 786.gapminder_2007 <- gapminder%>%
filter(year==2007)gapminder_afeu <- gapminder%>%
filter(continent %in% c('Africa','Europe'))%>%
mutate(continent= as.character(continent))gapminder_2007_afeu <- gapminder_2007%>%
filter(continent %in% c('Africa','Europe'))%>%
mutate(continent= as.character(continent))summary(gapminder_2007$lifeExp) Min. 1st Qu. Median Mean 3rd Qu. Max.
39.61 57.16 71.94 67.01 76.41 82.60 #
#
#
table(gapminder_2007$continent)
Africa Americas Asia Europe Oceania
52 25 33 30 2 Base: hoy
GGplot: próxima clase
boxplot(gapminder_2007$lifeExp,
col = "#c1121f")
boxplot(lifeExp ~ continent,
data = gapminder_2007,
col = "#fb8b24",
xlab='Continente',
ylab='Expectativa de Vida')
Es un gráfico que resume las características principales de un conjunto de datos numéricos, como la mediana, el rango intercuartil (IQR) (25%, 50% y 75%) y los valores atípicos.
Identificar outliers (valores atípicos).
Analizar la centralización, dispersión y simetría de los datos.
Detectar diferencias significativas entre grupos.
hist(main = 'Hist. ExpVida',
gapminder_2007$lifeExp,
col = "green",
xlab='Expectativa de Vida',
breaks = 20)
hist(main = 'Hist PIBpercap',
gapminder$gdpPercap,
col = "orange",
xlab='PIB per Cápita',
breaks = 50)
abline(v = median(gapminder$gdpPercap),
col = "red",
lwd = 2)
Muestra la distribución de frecuencias de un conjunto de datos numéricos. Se divide el rango de datos en intervalos (bins) y se representa la frecuencia de los valores que caen dentro de cada intervalo como barras.
Visualizar la forma y simetría de una distribución.
Identificar picos, modas y áreas con baja frecuencia.
Comparar distribuciones entre diferentes grupos.
Detectar valores atípicos.
par(mfrow = c(2, 1),
mar = c(4, 4, 2, 1))
hist(subset(gapminder_2007,
continent == "Europe")$lifeExp,
col ="#219ebc" )
hist(subset(gapminder_2007,
continent == "Africa")$lifeExp,
col = "#c1121f")
dens <- density(gapminder_2007$lifeExp)
# plot density
plot(dens,
col = "#ef233c",
main = "Gr. Densidad ExpVida Gap 2007") 
dens1 <- density(gapminder$lifeExp)
# plot density
plot(dens1,
col = "#023e8a",
main = "Gr. Densidad ExpVida Gap") 
Gráfico que muestra la densidad de probabilidad de un conjunto de datos numéricos. Se utiliza una curva suave para representar la distribución, donde la altura de la curva en un punto indica la densidad de los valores cercanos a ese punto.
Visualizar la forma y simetría de una distribución de manera más continua que el histograma.
Comparar distribuciones entre diferentes grupos.
Identificar picos, modas y áreas con baja densidad.
barplot(table(gapminder_2007$continent),
col = "#ffbe0b",
main = "Cdad. de Países en Cada Continente")
Es un gráfico que utiliza barras para representar la frecuencia o magnitud de variables categóricas-discretas. La altura de cada barra corresponde a la frecuencia o magnitud de la categoría correspondiente.
Comparar frecuencias o magnitudes entre diferentes categorías.
Mostrar tendencias a lo largo del tiempo.
Representar datos nominales o ordinales.
with(gapminder,
plot(lifeExp, gdpPercap,
col= "#9d0208"))
Gráfico que muestra la relación entre dos variables numéricas. Cada punto en el gráfico representa una observación, con su posición determinada por los valores de las dos variables.
Visualizar la correlación entre dos variables.
Identificar tendencias y patrones en los datos.
Detectar outliers (valores atípicos).
Analizar la relación lineal o no lineal entre variables.
pch: el símbolo de trazado (por defecto es círculo abierto)
lty: el tipo de línea (por defecto es línea continua), puede ser discontinua, punteada, etc.
lwd: la anchura de la línea, especificada como un múltiplo entero col: el color de trazado, especificado como número, cadena o código hexadecimal;
col: el color de trazado, especificado como número, cadena o código hexadecimal; la función colors() le proporciona un vector de colores por nombre.
xlab: cadena de caracteres para la etiqueta del eje x
ylab: cadena de caracteres para la etiqueta del eje y
La función par() se utiliza para especificar parámetros gráficos globales que afectan a todos los gráficos de una sesión de R. Estos parámetros pueden anularse cuando se especifican como argumentos de funciones de trazado específicas.
las: la orientación de las etiquetas de los ejes en el gráfico
bg: color de fondo
mar: el tamaño del margen
with(airquality,
plot(Wind,
Ozone,
main = "Ozono y Viento en ciudad de New York ",
# type = "n",
col='orange'))
with(subset(airquality,
Month == 5),
points(Wind,
Ozone,
col = "blue"))
with(subset(airquality,
Month != 5),
points(Wind,
Ozone,
col = "#fb5607"))
legend("topright",
pch = 1,
col = c("blue",
"#fb5607"),
legend = c("Mayo", "Otros Meses"))
skimr
DataExplorer
summarytools
dataReporter
visdat
códigos disponibles en enlace
Los gráficos exploratorios son «rápidos y sucios».
Permiten resumir los datos (normalmente de forma gráfica) y resaltar las características generales.
Explorar preguntas e hipótesis básicas (y quizás descartarlas)
Sugieren estrategias de modelización para el «siguiente paso».
Enlace Material de Apoyo https://ucveconomiar4ds.netlify.app/scripts/04_PlottingBase.pdf